Descripción
La asignatura se centra en una introducción comprensiva al Internet de las Cosas (IoT), un campo que está revolucionando la tecnología al interconectar sensores de todo tipo a internet. Se organiza en tres bloques principales, cada bloque está diseñado para construir sobre el conocimiento adquirido en el anterior, permitiendo a los estudiantes desarrollar una comprensión holística y aplicada del Internet de las Cosas, desde los fundamentos hasta las aplicaciones avanzadas en la vida real.
Bloque 1: Fundamentos de IoT, sensorización y Comunicación Básica
Este bloque está diseñado para introducir a los estudiantes al mundo del Internet de las Cosas. Comienza con una visión general de los conceptos básicos de IoT y de la sensorización, subrayando su importancia y aplicabilidad en la vida diaria y en sistemas industriales y basados en drones. Se centra en desarrollar habilidades en la programación y manejo de Arduino, una herramienta clave para el prototipado en IoT. Se introduce también el concepto de social sensing, donde los ciudadanos contribuyen activamente como sensores en la red, proporcionando datos valiosos desde sus dispositivos personales.
Bloque 2: Redes Avanzadas
El segundo bloque avanza hacia aplicaciones más sofisticadas de IoT. Este bloque abarca las comunicaciones avanzadas dentro de sistemas específicos como los vehiculares, incluyendo el estudio de redes móviles ad hoc y el protocolo OLSR, crucial para el funcionamiento eficiente de las comunicaciones en contextos dinámicos y móviles. El bloque concluye con un estudio de las tecnologías inalámbricas esenciales para la conectividad de dispositivos, proporcionando una base sólida en la comunicación de datos en redes de IoT. Se profundiza en el uso de protocolos de comunicación avanzados como MQTT y REST, que son fundamentales para el manejo eficiente de la comunicación entre dispositivos.
Bloque 3: Integración de AI y Análisis de Datos en IoT
El último bloque del curso está dedicado a la integración de la inteligencia artificial con IoT, conocida como AIoT, y al análisis de los datos recopilados por los diversos dispositivos. Los estudiantes aprenden a aplicar técnicas de aprendizaje automático y análisis de datos para mejorar la funcionalidad y eficiencia de los sistemas IoT. Finalmente, el bloque se centra en el empleo de TinyML y plataformas como TensorFlow Lite y Edge Impulse para implementar modelos de inteligencia artificial directamente en dispositivos IoT, permitiendo procesamientos en el borde de la red, lo que maximiza la utilidad y velocidad de respuesta de las aplicaciones IoT.
